APLIKASI FAILURE MODE EFFECT AND CRITICALITY ANALYSIS (FMECA)

DALAM PENENTUAN INTERVAL WAKTU PENGGANTIAN

KOMPONEN KRITIS RADAR JRC JMA 5310 PADA KRI
SATUAN KAPAL PATROLI KOARMATIM
1) 2) 2)
Endin Tri Hartanto , Udisubakti Ciptomulyono , Ahmadi

Mahasiswa Prodi S-2 ASRO STTAL 1)

Dosen Prodi Teknik Industri FTI - ITS 2)
Dosen Prodi S-2 ASRO STTAL 3)

Abstrak

Penggunaan radar navigasi di KRI, khusus nya di Satuan Kapal Patroli Koarmatim sangat
vital sebagai alat indera jarak jauh dalam bernavigasi. Penggunaannya mutlak harus ada pada saat
KRI melaksanakan operasi, sehingga kondisi kesiapan radar navigasi akan sangat mempengaruhi
pelaksanaan tugas operasi yang diemban oleh Unsur-Unsur tersebut. Diperlukan manajemen
pemeliharaan yang baik dan terencana untuk memperbaiki atau meniadakan kerusakan agar
kinerja sistem tidak menurun.
Failure Mode Effect and Criticality Analysis (FMECA) digunakan sebagai sebuah metodologi
untuk mengidentifikasi dan menganalisis semua mode kegagalan potensial dari berbagai bagian
sistem, efek kegagalan tersebut terhadap sistem, bagaimana menghindari kegagalan dan atau
mengurangi dampak dari kegagalan pada sistem. Pada tulisan ini diusulkan model FMECA dalam
menentukan komponen kritis Radar Navigasi JRC JMA 5310. Berdasarkan model FMECA tersebut
didapat Risk Priority Number (RPN) yang dijadikan nilai acuan dalam penentuan komponen kritis.
Nilai RPN setiap komponen yang didapat dianalisa dengan Risk Matrix, dari 27 (dua puluh tujuh)
komponen yang telah diidentifikasi, didapat 7 (tujuh) komponen yang dianggap kritis, yaitu
Modulator, Power Supply Scanner, Dioda Limiter, Magnetron, Receiver, Motor, Circulator.
Komponen Modulator memiliki nilai RPN tertinggi dengan nilai 24180 dan komponen Plotter Control
Circuit memiliki nilai RPN terendah dengan nilai 3289.
Penentuan interval waktu penggantian komponen kritis yang telah didapat menggunakan
pendekatan Reliability dan Cost Benefit Ratio (CBR). Didapatkan hasil bahwa komponen Dioda
Limiter memiliki waktu penggantian tercepat, yaitu 152 hari. Sedangkan komponen dengan waktu
penggantian terlama, yaitu 458 hari adalah komponen Motor dan Circulator. Di dapat pula nilai CBR
untuk semua komponen kritis kurang dari 1 (CBR <1) menunjukkan biaya penggantian yang
direkomendasikan sudah efisien. Komponen Dioda Limiter memiliki nilai CBR paling efisien, yaitu
0,57572. Dari analisa sensitivitas diperoleh variabel Reliability R(t) sangat berpengaruh terhadap
perubahan penentuan interval waktu penggantian komponen kritis, dimana didalamnya terdapat
parameter β (slope), parameter Ƴ (location), dan parameter Ƞ (scale). Parameter β lebih
berpengaruh terhadap perubahan nilai Reliability R(t).

Kata kunci: FMECA, Risk Priority Number (RPN), Reliability, Interval Waktu Pengantian, CBR.

1. Pendahuluan sesuai rencana dan program Koarmatim,

Satuan Kapal Patroli Koarmatim adalah
Komando Pelaksana Pembinaan yang
mempunyai tugas pokok melaksanakan
pembinaan kekuatan dan kemampuan tempur
unsur-unsur organiknya sesuai fungsi
asasinya yaitu dalam bidang peperangan anti
kapal permukaan dan peperangan anti udara
dalam rangka meningkatkan kemampuan
tempur Armada RI Kawasan Timur. Dengan
salah satu fungsinya menyusun dan
mengendalikan rencana dan program di
bidang pemeliharaan yang dilaksanakan oleh
kapal-kapal dalam satuan sesuai siklus
sistem pemeliharaan terencana dalam rangka
meningkatkan kesiapan teknis unsur-unsur
III-1
tidak terkecuali dalam hal ini pemeliharaan
peralatan navigasi seperti halnya radar
navigasi.
Penggunaan radar navigasi di KRI,
khusus nya di Satuan Kapal Patroli
Koarmatim sangat vital sebagai alat indera
jarak jauh dalam bernavigasi.
Penggunaannya mutlak harus ada pada saat
KRI melaksanakan operasi, sehingga kondisi
kesiapan radar navigasi akan sangat
mempengaruhi pelaksanaan tugas operasi
yang diemban oleh Unsur-Unsur tersebut.
Sering kali pada saat Unsur-Unsur akan
melaksanakan tugas operasi mengalami
kendala pada kesiapan radar navigasi. Hal
tersebut tentunnya akan mempengaruhi
kesiapan KRI secara keseluruhan. Untuk
mencegah terjadinya kondisi tersebut,
diperlukan suatu langkah yang tepat untuk
memperbaiki atau meniadakan kerusakan
agar kinerja sistem tidak menurun.
Radar navigasi JRC JMA 5310 yang ada
di KRI Satrolarmatim sebanyak 4 buah radar,
dimiliki oleh KRI Sura-802, KRI Kakap-811,
KRI Kerapu-812 dan KRI Tongkol-813. Radar
navigasi tersebut saat ini sudah berusia
sekitar 7,5 tahun dengan jam operasi yang
sudah melebihi 10.000 jam operasi, dengan
demikian inspeksi terhadap kondisi teknis
harus semakin sering dilakukan. Menurut
O’Connor (2001), pemeriksaan (inspection)
adalah tindakan yang ditujukan terhadap
sistem untuk mencegah terjadinya breakdown
secara mendadak, dan untuk mengetahui
apakah sistem bekerja dengan baik sesuai
dengan fungsinya.
Dari kondisi Radar JRC JMA 5310 yang
ada di KRI Satrolarmatim, di perlukan suatu
suatu perencanaan pemeliharaan yang tepat
untuk prioritas perbaikan. Untuk mencegah
atau menghindari berbagai bentuk kerusakan,
memprediksi serta menemukan suatu
langkah yang mudah untuk mencegah
terjadinya kerusakan. Menentukan langkah
yang tepat untuk mencegah kerusakan bukan
suatu hal yang mudah.Langkah tersebut
mengkombinasikan persyaratan teknis dan
strategi manajemen, Sachdeva et all (2009).
Kejadian kerusakan pada komponen
dipelajari dengan baik untuk menentukan
solusi yang akan diambil berdasarkan bentuk
kerusakan, efek dan biaya terhadap semua
sistem. Data informasi tentang kerusakan
akan membantu personil untuk menentukan
tindakan perbaikan yang sesuai dan
menentukan perioritas berbeda pada masing-
masing komponen yang mengalami failure.
Herry (2015), mengusulkan penerapan
metode Fuzzy dan TOPSIS pada FMEA
untuk menentukan komponen kritis serta
prioritas perbaikan dari berbagai alternatif
yang terpilih terhadap kerusakan komponen
diterapkan pada sistem Radar Navigasi
Sperry Marine, sehingga diharapkan dengan
penerapan metode ini dapat meningkatkan
kinerja operasional KRI. Dalam penelitian
tersebut belum mempertimbangkan
penentuan interval waktu penggantian
komponen kritis dan biaya optimal
pemeliharaan/perawatan. Permasalalahan
anggaran sering kali menjadi pemicu
pemeliharaan yang dilaksanakan selama ini
hanya terpaku pada buku petunjuk tecnical
order dimana kurang memperhitungkan sisa
usia pakai sebuah komponen atau dengan
III-2
kata lain selama komponen belum mengalami
kerusakan maka komponen tersebut akan
tetap digunakan. Hal ini pada suatu saat,
justru akan mengakibatkan penalty cost yang
cukup besar apabila diterapkan kebijakan
melaksanakan pemeliharaan secara terus
menerus akan mengakibatkan beban
anggaran yang tinggi.
Dalam rencana penelitian ini diusulkan
model Failure Mode Effects and Criticality
Analysis (FMECA) dalam menentukan
interval waktu penggantian komponen kritis
Radar Navigasi JRC JMA 5310 dengan
mempertimbangkan optimasi biaya
pemeliharaan dalam meningkatkan nilai
keandalannya. Menurut Rausand (2005),
FMECA adalah sebuah metodologi untuk
mengidentifikasi dan menganalisis semua
mode kegagalan potensial dari berbagai
bagian dari sistem, efek kegagalan tersebut
terhadap sistem, bagaimana menghindari
kegagalan dan atau mengurangi dampak dari
kegagalan pada sistem.
Tabel 1.1 Penggunaan Radar Navigasi di
Satrolarmatim
Sumber: Satrolarmatim (2016)
2. Landasan Teori
2.1 Radar(Radio Detection and Ranging)
Eaves (1987), kata radarberasal dari
sebuah kode yang di gunakan Angkatan Laut
Amerika Serikat pada tahun 1940 saat
Perang Dunia II, kepanjangan dari radio
detection and ranging. Radar merupakan
sebuah sistem penginderaan jauh yang aktif,
yang menyediakan sumber iluminasinya
sendiri. Gelombang radio ditransmisikan
sebagai pulsa dengan energi tinggi dari
energi microwave. Pulsa berinteraksi dengan
atmosfer dan target. Porsi dari energi yang
dipancarkan kembali, diterima oleh target
kemudian diukur intensitas dan waktu
penundaan diantara transmisi dan
penerimaan sinyal yang kembali. Sinyal radar
dapat ditampilkan pada Plan Position
Indicator (PPI) atau pada tampilan sistem
radar yang lain
 Sejak diketemukannya Radar oleh Sir
Robert Watson Wat (the Father of Radar)
pada tahun 1932 sampai saat ini telah
mengalami perkembangan yang sangat cepat
di bidang teknologinya. Perkembangan ini
ditujukan pada penambahan efektifitas
penggunaan dan penambahan efisiensi
penggelaran dan pemeliharaan serta
peningkatan kehandalan sistemnya. Sebagai
ilustrasi, Radar pertama hanya mampu
menangkap sasaran dan hanya mampu
menunjukkan sektor dimana sasaran itu
berada. Sedangkan Radar generasi modern
mampu menangkap sasaran dengan
menentukan koordinat sasaran secara akurat,
ketinggian, jarak, kecepatan serta informasi
keuntungan lainnya. Pada era globalisasi
peran dan fungsi Radar dalam kehidupan
sehari-hari manusia amat penting, indikasinya
dapat dilihat dari betapa urgen kehidupan
dalam masyarakat sipil dan kepentingan
militer yang didukung oleh perangkat Radar.
Gambar 2.1 Blok Diagram Prinsip Kerja
Radar (Sumber: Kaukab, 2008)
2.2 Failure Modes Effects and Criticality
Analysis (FMECA)
FMECA pada awalnya dikembangkan
oleh National Aeronautics and space
Administration (NASA) yang bertujuan untuk
meningkatkan dan memverifikasi keandalan
Hardhware program antariksa MIL-STD-785
yang berjudul Reliability Program for System
and Equipment Development and Production
mengulas prosedur untuk melakukan FMECA
pada peralatan atau atau sistem. Adapun
MIL-STD-1629 merupakan standar militer
yang menetapkan persyaratan dan prosedur
melakukan FMECA, untuk mengevaluasi dan
mendokumentasikan dampak potensial dari
setiap kegagalan fungsional atau haradware
pada keberhasilan misi, keamanan personil
dan sistem, pemeliharaan dan kinerja sistem.
Menurut Rausand (2005),
mendefinisikan FMECA adalah sebuah
metodologi untuk mengidentifikasi dan
menganalisis:
a. Semua mode kegagalan potensial dari
berbagai bagian dari sistem
III-3
b. Efek kegagalan tersebut terhadap sistem
Bagaimana menghindari kegagalan dan
atau mengurangi dampak dari kegagalan
pada sistem.
Prosedur Failure Modes Effects and
Criticality Analysis (FMECA) secara garis
besar dapat meliputi beberapa langkah
secara sistematis diantaranya ( Modarres, M
at all, 2009) :
a. Mengidentifikasi semua failure modes
potensial dan penyebabnya.
b. Evaluasi dampak pada setiap failure
modes dalam sistem.
c. Mengidentifikasi metode dalam
mendeteksi kerusakan/kegagalan.
d. Mengidentifikasi pengukuran korektif
untuk failre modes.
e. Akses frekuensi dan tingkat kepentingan
dari kerusakan-kerusakan penting untuk
analisa kritis, dimana dapat
diaplikasikan.
Sedangkan menurut Zafiropoulus dan
Dialynas (2005), langkah-langkah dasar
dalam FMECA konvensional meliputi :
a. Mendefinisikan sistem, yang meliputi
identifikasi fungsi internal dan interface,
kinerja yang diharapkan dalam berbagai
tingkatan kompleksitas, pembatasan
sistem dan definisi kegagalan.
b. Melakukan analisis fungsional, yang
mengilustrasikan kegiatan operasi
keterkaitan, dan ketergantungan entitas
fungsional.
c. Mengidentifikasi failure mode dan
dampaknya, seluruh failure mode
potensial dari item dan interface
diidentifikasi dan dampaknya terhadap
fungsi langsung, item dan sistem harus
didefinisikan secara jelas.
d. Menentukan severity rating (S) dari
failure mode, yang mengacu kepada
seberapa serius dampak atau efek dari
failure mode.
e. Menentukan occurance rating (O) dari
frekwensi terjadinya failure mode dan
analisis kekrittisan failure mode. Dengan
asumsi bahwa komponen sistem
cenderung akan mengalami kegagalan
dalam berbagai cara, informasi ini
digunakan untuk menggambarkan aspek
yang paling kritis dari desai sistem.
f. Menentukan Detection rating (D) dari
design control criteria terjadinya failure
mode.
g. Risk Priority Number (RPN)Merupakan
hasil perkalian bobot Severity,
Occurance dan Detection. Hasil ini akan
dapat menentukan komponen kritis.
RPN = Severity (S) x Occurance (O) x Tabel 2.3 Detection Index
Detection (D) Kemungkinan Deteksi
Rating Detection
Beberapa ahli berpendapat bahwa oleh alat pengontrol
faktor-faktor S, O dan D tidak mudah 10 Absulute Tidak ada alat pengontrol
dievaluasi secara akurat. Upaya evaluasi Uncertainly(AU) yang mampu mendeteksi
dilakukan secara linguistik (Wang et all, penyebab kegagalan dan
modus kegagalan berikutnya.
2009).
9 Very remote (VR) Sangat kecil kemampuan
Tabel 2.1 Severity Index alat pengontrol mendeteksi
penyebab kegagalan dan
Rating Effect Severity Effect modus kegagalan berikutnya.
8 Remote (R) Kecil kemampuan alat
pengontrol mendeteksi
10 Hazardous without Tingkat keperahan sangat tinggi penyebab kegagalan dan
warning (HWOW) ketika mode kegagalan potensial modus kegagalan berikutnya.
mempengaruhi sistem safety 7 Very Low (VL) Sangat rendah kemampuan
tanpa peringatan alat pengontrol mendeteksi
9 Hazardous with Tingkat keperahan sangat tinggi penyebab kegagalan dan
warning (HWW) ketika mode kegagalan potensial modus kegagalan berikutnya.
mempengaruhi sistem safety 6 Low (L) Rendah kemampuan alat
dengan peringatan pengontrol mendeteksi
8 Very High (VH) Sistem tidak dapat beroperasi , penyebab kegagalan dan
kegagalan yang menyebabkan modus kegagalan berikutnya.
kerusakan / failure tanpa 5 Moderate (M) Sedang kemampuan alat
membahayakan keselamatan pengontrol mendeteksi
7 High (H) Sistem tidak dapat beroperasi penyebab kegagalan dan
dengan kerusakan peralatan modus kegagalan berikutnya.
6 Moderate (M) Sistem tidak dapat beroperasi 4 Moderately Sangat sedang kemampuan
dengan kerusakan kecil (Minor) High (MH) alat pengontrol mendeteksi
5 Low (L) Sistem tidak dapat beroperasi penyebab kegagalan dan
tanpa kegagalan modus kegagalan berikutnya.
4 Very Low (VL) Sistem dapat beroperasi dengan 3 High (H) Tinggi kemampuan alat
kinerja mengalami penurunan pengontrol mendeteksi
signifikan penyebab kegagalan dan
3 Minor (MR) Sistem dapat beroperasi dengan modus kegagalan berikutnya.
kinerja mengalami beberapa 2 Very High (VH) Sangat tinggi kemampuan
penurunan alat pengontrol mendeteksi
2 Very Minor Sistem dapat beroperasi dengan penyebab kegagalan dan
(VMR) sedikit gangguan modus kegagalan berikutnya.
1 None (N) Tidak ada pengaruh 1 Almost Certain (AC) Hampir pasti kemampuan
alat pengontrol mendeteksi
Sumber : Wang et all (2009) penyebab kegagalan dan
modus kegagalan berikutnya.
Tabel 2.2 Occurance Index Sumber : Wang et all (2009)
Failure
Rating Probability of occurance
probability
2.3 Distribusi Probabilitas
2.3.1 Distribusi Weibul
10 Very High (VH) : Kegagalan > 1 in 2 Distribusi Weibull banyak digunakan
hampir tidak dapat dihindari
dalam analisa keandalan, terutama untuk
melakukan perhitungan umur komponen.
9 1 in 3
Jenis distribusi ini juga merupakan salah satu
8 High (H) : Kegagalan berulang 1 in 8
dari distribusi yang paling banyak digunakan
7 1 in 20
dibidang rekayasa keandalan, hal ini
6 1 in 80
dikarenakan distribusi tersebut memiliki
5 Moderate (M) : Kegagalan 1 in 400
kemampuan untuk memodelkan data-data
4 sesekali 1 in 8000 yang berbeda dan banyak dengan
pengaturan nilai parameter bentuk β. Menurut
3 1 in 15000 Jardine (1973), Distribusi Weibull dapat
2 Low (L) : Relatif sedikit 1 in 150000 disajikan dalam bentuk dua atau tiga
1 kegagalan < 1 in 150000 parameter. Fungsi pdf dari ketiga parameter
distribusi Weibull dinyatakan dengan
Sumber : Wang et all (2009)

III-4
 1 
t
 Dimana :
(1)
MRL (t )  
R (t ) 
MTTF   R (t ) dt  t = waktu
0  λ = Rasio kegagalan konstan (constan failure
rate)
dimana :
= parameter bentuk, Fungsi keandalannya adalah :
Ƞ = parameter skala, Ƞ
= parameter lokasi, waktu kerusakan
pertama kali R (t )  1  F (t )  e   t (7)
Fungsi keandalan distribusi Weibull dapat
dinyatakan dengan : Laju kerusakan (failure rate) :

f (T )
 1  t  

 (t )   (8)
 t   
  

R (t )
f (t )    e (2)
   

1 (9)
Fungsi keandalan distribusi weibull dapat
MTTF   R (t ) dt 

0
dinyatakan dengan

 t  
  2.3.3 Distribusi Normal
  
R (t )  e (3) Menurut Jardine (1973), distribusi
normal (Gaussian) berguna untuk
Laju kerusakan dapat dinyatakan dengan : menggambarkan pengaruh pertambahan
waktu ketika dapat menspesifikasikan waktu
 1 antar kerusakan berhubungan dengan
 t   (4)
 (t )    ketidakpastian, distribusi normal mempunyai
    rumusan sebagai berikut :

Jika = 0 maka diperoleh distribusi Weibull    t   2 

f (t ) 
1
exp  
(10)
dengan dua parameter.
 2  2 2 
Jika , maka pdf pada t = besar pdf  
sama dengan nol begitu juga laju kerusakan
sama dengan nol, konsekuensinya nilai untuk -∞ ≤ t ≤ ∞
keandalannya R(t) = 1, lihat persamaan (15)
untuk pdf dan persamaan (16) R(t) serta dimana :
persamaan (17) untuk λ(t). Semakin besar = deviasi standar dari variabel acak T
nilai ƞ suatu komponen, maka probabilitas = rata-rata dari variabel acak T
komponen tersebut rusak akan semakin kecil
(persamaan 16). Jika nilai ƞ komponen A Dan fungsi distribusi kumulatifnya adalah :
lebih besar dari pada komponen B, maka nilai
keandalan komponen B lebih cepat menurun 1   t   
2
 (11)
dari pada komponen A. F (t )  exp   dt
 2  2 2 
 
2.3.2 Distribusi Eksponensial Fungsi keandalan dari distribusi normal
Distribusi eksponensial banyak adalah
digunakan dalam rekayasa keandalan,
karena distribusi ini dapat mempresentasikan 
1    t   2 
(12)
fenomena distribusi waktu yang mengalami R (t )   2
exp 
 2 2
 dt

t
kegagalan dari suatu komponen/sistem.
Menurut Abdullah Alkaff (1992), fungsi
kepadatan distribusi eksponensial dinyatakan Laju kerusakan dari distribusi normal dapat
dalam persamaan : diperoleh dengan menggunakan persamaan :

f ( t )   e   t ; t > 0, λ > 0 (5)

exp    t    / 2 
2 2
 
(13)
 (t )  
dan fungsi distribusi kumulatifnya adalah :
 exp    t    / 2 dt
2 2

t

F (t )  1  e   t (6)
III-5
3. Metode Penelitian Tabel 3.1 Severity of Consequences
3.1 Model FMECA dalam Penentuan Severity of Consequences
Komponen Kritis
Kategori Definisi
Langkah-langkah Model Failure Mode
Effects and Criticality Analysis (FMECA) Menyebabkan sistem
Catastrophic (I)
shutdown
dijabarkan sesuai dengan diagram alir
Sistem tidak dapat
penelitian sebagai berikut: Critical (II) berfungsi sesuai yang
a. Mengidentifikasikan sistem Radar JRC ditentukan
JMA 5310, yang meliputi identifikasi Sistem mengalami
fungsi internal dan interface, kinerja yang Marginal (III)
penurunan fungsi kinerja
diharapkan dalam berbagai tingkatan Sistem dapat berfungsi
Negligible (IV)
kompleksitas, pembatasan sistem dan dengan resiko kecil
definisi kegagalan.
b. Mengidentifikasi mode kerusakan
Tabel 3.2 Severity of Frequency
potensial, seluruh failure mode potensial
dari item dan interface di identifikasi dan Severity of Frequency
dampaknya terhadap fungsi langsung, Definisi
item dan sistem harus didefinisikan Frekuensi
secara jelas. Kejadian Kualitatif Kuantitatif
c. Menentukan severity rating (S) dari
 1 x 10 jam
-3
failure mode, mengacu kepada seberapa Frequent Sering Terjadi
serius dampak atau efek dari failure Probable Sangat Mungkin  1 x 10 jam
-4

mode.
 1 x 10 jam
-5
d. Menentukan occurance rating (O) dari Occasional
Umum Terjadi
frekuensi terjadinya failure mode dan
 1 x 10 jam
-6
analisis kekrittisan failure mode. Dengan Remote Jarang Terjadi
asumsi bahwa komponen sistem Tidak Mungkin Terjadi < 1 x 10 jam
-7
cenderung akan mengalami kegagalan Improbable
dalam berbagai cara, informasi ini
digunakan untuk menggambarkan aspek Tabel 3.3 Risk Matrix
yang paling kritis dari desain sistem.
Frekuensi Frequent Probable Occasional Remote Improbable
e. Menentukan detection rating (D) dari
design control criteria terjadinya failure Catastrophic 1 2 4 8 12
mode. (I) Tinggi Tinggi Tinggi Sedang Sedang
f. Menghitung Risk Priority Number (RPN)
untuk mengidentifikasi penentuan Critical 3 5 6 10 15
komponen kritis Radar JRC JMA 5310. Dapat Dapat
RPN = Severity (S) x Occurance (O) x (II) Tinggi Tinggi Sedang
Diterima Diterima
Detection (D)
7 9 11 14 17
g. Hasil kumulatif komponen yang memiliki Marginal
nilai RPN yang tinggi dipilih sebagai Dapat Dapat Dapat
(III) Sedang Sedang
kandidat komponen kritis. Diterima Diterima Diterima

Negliglibe 13 16 18 19 20
3.2 Risk Matrix
Dapat Dapat Dapat Dapat Dapat
Langkah selanjutnya melaksanakan (IV)
Diterima Diterima Diterima Diterima Diterima
analisa kekritisan komponen menggunakan
risk matrix sesuai kriteria yang telah
ditentukan. Hasil akhir yang diperoleh adalah
Tabel 3.4 Rating of Risk
item-item yang termasuk dalam rating of risk
“tinggi” berdasarkan risk matrix. Keseluruhan Rating Definisi
hasil analisa model FMECA dan risk matrix Tinggi (High) Memerlukan perbaikan untuk
selanjutnya akan yang disajikan dalam bentuk mengeliminasi bahaya
FMECA Worksheet. Tabel 3.1 menunjukkan Sedang (Medium) Memerlukan tinjauan ulang
kategori-kategori kerusakan berdasarkan terhadap dapat diterimanya
resiko
tingkat pengaruhnya terhadap sistem ataupun
Dapat Diterima Resiko yang dapat diterima
personil. (Accept) ditinjau sebagai rancangan
yang sudah matang

III-6
 yang optimal melalui program excel. Digram
3.3 Model Penentuan Interval Waktu alir perhitungan interval waktu penggantian
Penggantian Komponen Kritis dijelaskan dalam bentuk diagram alir seperti
pada Gambar 3.1 berikut:
Berdasarkan data dari nilai keandalan
dan nilai MTBF yang diperoleh, dapat
ditentukan interval penggantian komponen

Mulai

Tentukan Komponen Kritis

dengan Model FMECA

TTF

Tentukan MTBF

Variasikan Interval
Penggantian yang diajukan

Tentukan Harga
Komponen (CK)

Tentukan lama perbaikan Tentukan lama perbaikan

sebelum kerusakan (tBF) setelah kerusakan (tAF)

Tentukan biaya pekerja Tentukan biaya pekerja

saat kondisi normal (CPN) saat kondisi darurat (CPE)

Hitung biaya Hitung biaya

penggantian sebelum penggantian setelah
kerusakan (CBF) kerusakan (CAF)

Hitung breakdown cost

(CBD)

Ya Nilai Keandalan pada saat interval

penggantian optimal 0,95

Tidak

Hitung Cost-Benefit Ratio (CBR)

Selesai

III-7
 Gambar 3.1 Diagram Alir Model Penentuan Interval Waktu Penggantian Komponen Kritis
3.4 Model Cost Benefit Ratio (CBR)
Penggantian Komponen
Tabel 4.1 Nilai Risk Priority Number (RPN)
Cost Benefit Ratio (CBR) lebih rendah
daripada 1 (CBR < 1) maka kegiatan tersebut No Komponen RPN Rangking
menguntungkan, dengan kata lain Benefit 1 Modulator (K1) 24180 1
harus lebih besar dari Cost, sebagai ilustrasi 2 Power Supply Scanner (K9) 23040 2
apabila penggantian dilakukan sebelum 3 Dioda Limiter (K8) 20280 3
failure, benefit yang didapat akan maksimal
4 Magnetron (K6) 16800 4
dan cost dapat ditekan tentunya akan
menguntungkan. Untuk mendapatkan biaya 5 Receiver (K2) 15950 5
penggantian dari masing-masing komponen 6 Motor (K3) 13500 6
menurut (Satria, 2012) dapat diuraikan 7 Radar Processor (K10) 11648 7
berupa persamaan sebagai berikut: 8 Circulator (K7) 11220 8
9 Rotary Joint (K4) 8602 9
10 Track Ball (K22) 7524 10
( ), ( )- [( ( )) * ( ) ( )+] 11 Power Supply CPU (K18) 7500 11
( ) ( ) 12 Transformer (K23) 7475 12
13 Monitor Fan (K20) 7452 13
Dimana : 14 Bridge Dioda (K24) 7140 14
CBR : Cost Benefit Ratio 15 Keyboard Matrix (K21) 7106 15
CK : Harga komponen 16 Condensator (K25) 6804 16
R(T) : Keandalan (reliability)
17 Radiater / Antena (K5) 6336 17
1- R(T) : Probability of failure
tBF : Waktu perbaikan sebelum komponen rusak 18 LCD Monitor (K19) 6072 18
tAF : Waktu perbaikan setelah komponen rusak 19 I/F Chassis (K16) 5750 19
CPN : Biaya pekerja saat kondisi normal/ terencana 20 Filter (K26) 5187 20
CPE : Biaya pekerja saat kondisi emergency 21 Terminal Board (K12) 4840 21
CBD : Biaya saat terjadi breakdown 22 NSK Circuit (K13) 4620 22
23 ARPA (K11) 4488 23
24 I/O Circuit (K15) 4095 24
4. Pengumpulan dan Pengolahan Data 25 AIS Interface (K17) 3822 25
4.1 Perhitungan Data Hasil Kuesioner 26 UPS (K27) 3640 26
FMECA 27 Plotter Control Circuit (K14) 3289 27
Untuk memperoleh data kuesioner,
penulis membuat suatu konsep pilihan yang 4.2 Penentuan Komponen Kritis
tidak terlepas dari terminologi FMECA, yang Data hasil analisa severity of
berisi tentang identifikasi resiko mode consequency dan severity of frequency tiap-
kerusakan komponen dan identifikasi kriteria tiap komponen diatas selanjutnya diolah
penilaian resiko mode kerusakan komponen. kedalam risk matrix untuk mengklasifikasikan
Yang menjadi expert dalam kuesioner ini rating of risk komponen sesuai kriteria yang
adalah Kepala Bengkel Elektronika ditentukan seperti pada Tabel 3.3 dengan
Fasharkan Lantamal V, Kasihar Sewaco kombinasi antara tingkat konsekuensi
Satrolarmatim, Kepala Departemen kerusakan dan potensi tingkat frekuensi
Elektronika KRI Sura-802 dan Direktur Teknik kejadian. Sehingga komponen yang termasuk
PT Jala Purangga Sena. dalam severity of consequency “catastrophic”
Selanjutnya dari data hasil kuesioner ataupun “critical” belum tentu termasuk dalam
diperoleh rating severity, occurance, dan klasifikasi komponen kritis yang dimaksud.
detection dari masing-masing komponen Begitu pula komponen dengan frekuensi
yang dihimpun dari para expert. Dari nilai kerusakan yang sangat tinggi (probable)
nilai severity, occurance, dan detection dapat belum dapat dipastikan termasuk dalam
dihitung nilai RPN komponen. Nilai RPN yang kategori komponen kritis. Komponen kritis
didapat dari seluruh komponen selanjutnya yang dimaksud dalam tulisan ini adalah
diurutkan dari nilai yang terbesar hingga komponen dengan kategori rating of risk
terkecil, sebagai ranking/prioritas tingkat “tinggi” berdasarkan hasil analisa risk matrix
kekritisan komponen. Rekapitulasi dan dalam metode FMECA. Hal ini dikarenakan
ranking hasil perhitungan nilai RPN komponen dengan tingkat resiko tinggi
ditampilkan dalam Tabel 4.1. tersebut tersebut memiliki rata-rata tingkat
frekuensi kejadian dan tingkat keparahan
III-8
 dampak kerusakan yang lebih tinggi jika 5.2 Analisa Nilai Keandalan Sebelum
dibandingkan komponen lainnya yang dilakukan Interval Penggantian
termasuk dalam kategori rating of risk Sebelum dilakukannya perhitungan
“sedang” dan “dapat diterima”. Berikut adalah interval waktu penggantian komponen agar
hasil analisa risk matrix tiap-tiap komponen nilai keandalannya sesuai dengan yang
disajikan dalam Tabel 4.2 di bawah ini. diinginkan, terlebih dahulu dilakukan
perhitungan nilai keandalan sebelum
Tabel 4.2 Rating of Risk Komponen
penggantian.
No Komponen Rating of Risk
Tabel 5.1 Nilai Keandalan Komponen
1 Modulator (K1) Tinggi Sebelum Penggantian
2 Power Supply Scanner (K9) Tinggi MTBF
No Komponen Reliability
3 Dioda Limiter (K8) Tinggi (Hari)
4 Magnetron (K6) Tinggi 1 Modulator 274 0,537901
5 Receiver (K2) Tinggi 2 Power Supply Scanner 273 0,551594
6 Motor (K3) Tinggi 3 Dioda Limiter 162 0,486821
7 Radar Processor (K10) Sedang 4 Magnetron 177 0,482604
8 Circulator (K7) Tinggi 5 Receiver 166 0,499164
9 Rotary Joint (K4) Dapat Diterima 6 Motor 464 0,442824
10 Track Ball (K22) Dapat Diterima 7 Circulator 463 0,433815
11 Power Supply CPU (K18) Dapat Diterima Dari hasil perhitungan yang ditunjukkan
12 Transformer (K23) Dapat Diterima pada tabel 5.1 diatas dapat diketahui bahwa
13 Monitor Fan (K20) Dapat Diterima komponen power supply scanner mempunyai
14 Bridge Dioda (K24) Dapat Diterima nilai keandalan yang paling tinggi yaitu :
15 Keyboard Matrix (K21) Dapat Diterima 0,551594, akan tetapi masih belum
16 Condensator (K25) Dapat Diterima memenuhi target yaitu diatas 0,95 sesuai
17 Radiater / Antena (K5) Dapat Diterima dengan ketentuan minimal dari bagian
instrumentasi. Sedangkan komponen yang
18 LCD Monitor (K19) Dapat Diterima
paling rendah nilai keandalannya adalah
19 I/F Chassis (K16) Dapat Diterima
komponen circulator yaitu 0,433815.
20 Filter (K26) Dapat Diterima Berdasarkan data nilai keandalan komponen
21 Terminal Board (K12) Dapat Diterima diatas, diperlukan penentuan interval waktu
22 NSK Circuit (K13) Dapat Diterima yang tepat agar nilai kendalan dari komponen
23 ARPA (K11) Dapat Diterima tersebut dapat ditingkatkan sesuai dengan
24 I/O Circuit (K15) Dapat Diterima yang diinginkan.
25 AIS Interface (K17) Dapat Diterima
26 UPS (K27) Dapat Diterima 5.2 Analisa Nilai Keandalan Setelah
27 Plotter Control Circuit (K14) Dapat Diterima dilakukan Interval Penggantian
Setelah dilakukan perhitungan
Berdasarkan rating of risk,dari 27 penentuan interval waktu penggantian
komponen yang dianalisa didapat komponen diperoleh nilai keandalan yang baru.
kritis yang memiliki resiko dan RPN yang Perhitungan ini dengan memasukkan variasi
tinggi di tunjukkan pada Tabel 4.3 sebagai interval waktu penggantian dan dihitung
berikut: dengan menggunakan tabel parameter hasil
distribusi yang sesuai (weibull 3). Batas
Tabel 4.3 Komponen Kritis minimum keandalan yang disyaratkan untuk
Risk suatu komponen dioperasikan yaitu 0,95.
No Komponen Kategori RPN
Matrix
Tabel 5.2 berikut adalah tabel hasil
1 Modulator Critical Probable Tinggi 24180
perhitungan penentuan interval waktu
2 P.S Scanner Catastrophic Probable Tinggi 23040
3 Dioda Limiter Critical Probable Tinggi 20280 penggantian komponen kritis.
4 Magnetron Critical Probable Tinggi 16800
5 Receiver Catastrophic Occasional Tinggi 15950 Tabel 5.2 Nilai Keandalan Komponen
6 Motor Catastrophic Occasional Tinggi 13500 Setelah Penggantian
7 Circulator Critical Probable Tinggi 11220 Interval Waktu
MTBF
No Komponen Penggantian Reliability
(Hari)
(Hari)
1 Modulator 274 234 0,953037
5. Analisa Hasil dan Pembahasan
2 Power Supply Scanner 273 232 0,951484
3 Dioda Limiter 162 152 0,958165
III-9
 4 Magnetron 177 157 0,957328 Reliability R(t) merupakan variabel yang
5 Receiver 166 157 0,952719 langsung dapat mempengaruhi penentuan
6 Motor 464 458 0,980802 interval waktu penggantian komponen kritis,
7 Circulator 463 458 0,970894 dimana didalamnya terdapat variabel interval
Dari hasil perhitungan yang ditunjukkan waktu penggantian (tp), parameter β (slope),
pada tabel 5.3 diatas menunjukkan bahwa parameter Ƴ (location), parameter Ƞ (scale).
semua komponen tingkat keandalannya Sedangkan untuk variabel harga komponen,
sudah memenuhi target yaitu diatas 0,95 biaya perbaikan dan waktu perbaikan
sesuai dengan ketentuan minimal dari bagian merupakan variabel baku (standar) yang
instrument, komponen dioda limiter memiliki cenderung nilainya relatif konstan (tetap)
waktu penggantian tercepat, yaitu 152 hari, sehingga variabel tersebut tidak signifikan
sedangkan komponen dengan waktu berpengaruh terhadap perubahan model
penggantian terlama, yaitu 458 hari adalah yang digunakan.
komponen motor dan circulator.

5.3 Analisa BiayaPenggantian Komponen

Pada Bab sebelumnya telah disampaikan
biaya-biaya jika melakukan penggantian
komponen sebelum kondisinya rusak dan
setelah mengalami kerusakan . Data-data
hasil perhitungan biaya penggantian
komponen setelah terjadi kerusakan apabila
diterapkan metode penggantian komponen
sesuai dengan interval waktu yang telah
diajukan/direkomendasikan untuk setiap
Gambar 4.1 Grafik Hubungan tp dan R(t)
komponen kritis, maka biaya tersebut akan
Komponen Modulator
menjadi benefit atau manfaat bagi
penghematan anggaran pemeliharaan Radar Hasil analisa grafik pada Gambar 5.1
JRC JMA 5310. menunjukkan bahwa nilai keandalan
Untuk melihat apakah penggantian komponen akan berubah terhadap interval
komponen kritis sudah efektif dari sisi biaya, waktu penggantian, semakin tinggi interval
akan dijelaskan dengan menghitung Cost waktu pengantian (waktu operasional), maka
Benefit Ratio (CBR) nya. Tabel 5.3 berikut nilai keandalan komponen akan semakin
menunjukkan perhitungan CBR dari proses rendah
penggantian komponen kritis:
Tabel 5.3 Cost Benefit Ratio (CBR)
Interval Manfaat Bila
Total Biaya
No
Nama Waktu Penggantian Melaksanakan CBR
Komponen Penggantian Rekomendasi
(Rp)
(Hari) (Rp)
1 Modulator 234 28.746.431 33.240.000 0,86481
2 P.S. Scanner 232 25.403.755 29.890.000 0,84991
3 Dioda Limiter 152 4.479.121 7.780.000 0,57572
4 Magnetron 157 7.037.051 8.990.000 0,78276
5 Receiver 157 24.826.501 27.980.000 0,88729
6 Motor 458 29.127.711 34.375.000 0,84735
7 Circulator 458 6.196.341 9.410.000 0,65848 Gambar 5.2 Grafik Perbandingan Nilai R(t)
Komponen Modulator jika Parameter β, Ƴ, Ƞ
Pada tabel 5.3 diatas menjelaskan hasil
Dinaikkan
penggantian setiap komponen kritis sudah
efektif jika dilihat dari sisi biaya, hal tersebut Gambar 5.2 menggambarkan grafik
terlihat dari nilai CBR untuk setiap komponen perbandingan nilai Reliability pada komponen
kritis, yaitu kurang dari 1 (CBR<1). modulator. R(t) 1, R(t) 2 dan R(t) 3
merupakan nilai Reliability jika parameter β,
5.4 Analisa Sensitivitas Ƴ, Ƞ dinaikkan. Terlihat bahwa R(t) 1 naik

III-10
lebih signifikan dibandingkan R(t) 2 dan R(t)
3, hal ini menandakan bahwa parameter β
lebih berpengaruh terhadap perubahan nilai
Reliability R(t).
Gambar 5.2 Grafik Perbandingan Nilai R(t)
Komponen Modulator jika Parameter β, Ƴ, Ƞ
Dturunkan
Gambar 5.4 diatas menggambarkan
grafik perbandingan nilai Reliability pada
komponen modulator jika parameter β, Ƴ, Ƞ
diturunkan. Terlihat bahwa R(t) 1 turun lebih
signifikan dibandingkan R(t) 2 dan R(t) 3, hal
ini juga menandakan bahwa parameter β
lebih berpengaruh terhadap perubahan nilai
Reliability R(t).
6. Kesimpulan Dan Saran
Dari analisis dan pembahasan yang
telah dilakukan pada bab sebelumnya, dapat
dibuat beberapa kesimpulan sebagai berikut :
Dari analisis dan pembahasan yang telah
dilakukan pada bab sebelumnya, dapat dibuat
beberapa kesimpulan sebagai berikut :
1. Dengan model Failure Mode Effect and
Criticality Analysis (FMECA) melalui
perhitungan Risk Priority Number (RPN)
dan Risk Matrix, maka dapat ditentukan
dari 27 komponen diperoleh 7 komponen
yang memiliki nilai RPN tertinggi dan
nilai Risk Matrix tinggi, yaitu komponen
modulator, power supply scanner, dioda
limiter, magnetron, receiver, motor, dan
circulator. Komponen modulator memiliki
nilai RPN tertinggi, yaitu 24180 dan
komponen Plotter Control Circuit
memiliki RPN terendah, yaitu 3289.
2. Dalam perhitungan penentuan interval
waktu penggantian terhadap semua
komponen kritis diperoleh hasil interval
waktu penggantian komponen yang
tercepat adalah komponen dioda limiter,
yaitu 152 hari dan komponen dengan
interval waktu penggantian terlama
adalah komponen motor dan circulator,
yaitu 458 hari. Sedangkan untuk
komponen lainnya, modulator 234 hari,
III-11
power supply scanner 232 hari,
magnetron dan receiver 157 hari.
3. Berdasarkan analisa dapat diketahui
bahwa biaya penggantian komponen
sudah disimpulkan efisien, dimana nilai
Cost Benefit Ratio (CBR) sudah kurang
dari 1 (CBR < 1)., hal tersebut terlihat
dari nilai CBR setiap komponen kritis,
yaitu modulator 0,86481, power supply
scanner 0,84991, dioda limiter 0,57572,
magnetron 0,78276, receiver 0,88729,
motor 0,84735, dan circulator 0,65848.
4. Dari uji sensitivitas diketahui bahwa
variabel Reliability R(t) sangat
berpengaruh terhadap perubahan
penentuan interval waktu penggantian
komponen kritis, dimana didalamnya
terdapat parameter β (slope), parameter
Ƴ (location), dan parameter Ƞ (scale).
Parameter β (slope) lebih berpengaruh
terhadap perubahan nilai Reliability R(t).
Berdasarkan upaya-upaya yang telah
dilakukan dalam penelitian ini, penulis merasa
perlu memberikan saran-saran :
1. Perlu adanya tindak lanjut hasil
penelitian agar metode penentuan
interval waktu penggantian komponen
dapat memberikan kontribusi bagi upaya
pemeliharaan Radar Navigasi JRC JMA
5310.
2. Perlunya evaluasi terhadap metode-
metode perawatan terutama Radar
Navigasi JRC JMA 5310 yang telah
dilaksanakan selama ini, agar kesiapan
operasionalnya dapat mendukung tugas
pokok TNI AL, yaitu menjaga kedaulatan
laut NKRI.
3. Perlu adanya pencatatan jurnal
kerusakan yang lebih baik sesuai
dengan jam operasi sehingga akan
mempermudah dalam menentukan
prioritas perbaikan yang akan
dilaksanakan.
DAFTAR PUSTAKA
Alkaff, A. (1992), Teknik Keandalan Sistem,
Jurusan Teknik Elektro, Fakultas
Teknologi Industri lTS, Surabaya.
Anthony, L. (2009), Risk Analysis of Complex
and Uncertain Systems, Springer, New
York.
Assauri, S. (2004), Manajemen Produksi dan
Operasi, Penerbit Fakultas Ekonomi
Universitas Indonesia, Jakarta.
Catelani, M. (2013), 'Electrical Performances
Optimization of Photovoltaic Modules
with FMECA Approach', Journal of
Measurement, 46, 3898-3909.
Deng, Y. (2015), 'A Research on Subway
Physical Vulnerability Based on
Network Theory and FMECA', Journal
of Safety Science, 80, 127-134.
Eaves, J. L. (1987), Principles of Modern
Radar, Van Nostrand Reinhold
Company Inc, New York.
Govil, A. K. (1983), Reliability Engineering,
Tata Mc. Graw Hill Publication, New
Dehli.
Hayati, N. dan Rosmaini (2012), 'Failure
Analysis of Tyre Production Process
Using FMECA Method', School of
Manufacturing Engineering, doi:
10.1016
Herry (2015), Analisa Penentuan Komponen
Kritis dan Rekomendasi Tindakan
Pencegahan Keruskan dengan
Menggunakan Metode FUZZY FMEA
dan TOPSIS, Pasca Sarjana, Sekolah
Tinggi Teknologi Angkatan Laut,
Surabaya.
Hoyland, A. and Raussand, M. (1994),
System Reliability Theory: Models and
Stastical Methods, A Wiley-
Interscience Publication, USA.
Jardine, A.K.S. (1973), Maintenance,
Replacement and Reliability,
PitmanPublishing, Great Britain.
Kaukab, M. (2008), Rancang Bangun
Simulasi Radar Mobile, Fakultas
Teknik Universitas Indonesia, Jakarta.
Lewis, E.E. (1996), Introduction to Reliability
Engineering 2nd edition, John Wiley
and Sons Inc, New York.
Manual Book JRC JMA 5310, Marine Radar
Equipment: Instruction Manual JRC
JMA 5310, Japan Radio Co. Ltd,
Japan.
Modarres, M. (1999), Reliability Engineering
and Risk Analysis, Marcel Dekker Inc,
New York.
NAVAIR 00-25-403 (2003), Guidlines for the
Naval Aviation Reliability Centered
Maintenance Process, Direction of
Commander, Naval Air Systems
Command.
III-12
O’Connor, P. (2001), Practical Reliability
Engineering, Thirth Edition, John Wiley
& sons Limited in Chichester.
Omdahl, T. P. (1988), Reliability, Availability,
and Maintainability (RAM) Dictionary,
ASQC quality press, USA.
Rausand, M. (2004), System Reliability
Theory: Models, Stastical Methods and
Applications, Departement Productique
et Automatique Nantes Cedex 3,
France.
Rhee, S. J. (2003), 'Using Cost Based FMEA
to Enhance Reliability and
Serviceability', Advanced Engineering
Informatics, 17, 179-188.
Sachdeva, A., Kumar, D. and Kumar, P.
(2009), 'Multi-Factor Failure Mode
Critically Analysis Using TOPSIS',
Industrial Engineering International, 5,
1-9.
Satria, Y. (2012), Analisa Penentuan Interval
Waktu Penggantian Komponen Kritis
pada Alat Instrumentasi QCS Scanner
Type 2200-2 di PT Pabrik Kertas Tjiwi
Kimia, MMT ITS, Surabaya.
Satrolarmatim (2015), Laporan Kondisi
Teknis, Komando RI Kawasan Timur,
Surabaya.
Sematech (1992), Guidelines for Equipment
Reliability, Technology Transfer
92031014A-GEN.
Wang, Y. M. (2009), 'Risk Evaluation in
Failure Mode and Effects Analysis
Using Fuzzy Weighted Geometric
Mean', Expert Systems with
Applications, 36, 1195-1207.
Yanif, D.K. (2003), An Investigation Into
Application of Maintenance
Management Concept Based on
Reliability Centered Maintenance of
TNI-AL Fleet, Fakultas Teknik Kelautan
ITS, Surabaya.
Zafiropoulos E.P. and Dialynas E.N. (2005),
'Reliability Prediction and Failure Mode
Effects and Criticality Analysis of
Electronic Devices Using Fuzzy Logic',
International Journal of Quality &
Reliability Management, 22, 183-200.